10.19713/j.cnki.43-1423/u.T20210929
基于序贯辅助自适应渐消UKF的列车定位信息融合算法
针对北斗卫星导航系统(Beidou Navigation Satellite System,BDS)/惯性导航系统(Inertial Navigation System,INS)列车定位模型不准确和噪声统计特性不明导致定位精度低的问题,建立基于BDS/INS的列车紧耦合组合定位系统模型.分别建立系统状态方程和量测方程,提出基于序贯辅助自适应渐消无迹卡尔曼滤波的列车定位信息融合算法.在标准无迹卡尔曼滤波(unscented Kalman filter,UKF)的基础上,该改进UKF算法引入自适应渐消因子,实时调整滤波增益,降低量测方程中噪声对状态更新的影响,提高列车定位的精度.采用序贯辅助方式增加多重渐消因子的灵活度,使得不同滤波通道具有不同调节能力,提高算法的整体性能.最后,将改进UKF与标准UKF分别应用于列车紧耦合组合定位系统模型,仿真结果表明,在列车卫星信号良好的情况下,相比于标准UKF,改进UKF算法有效降低了列车的位置误差和速度误差;在列车部分卫星信号失锁的情况下,改进UKF算法依然能够提供100 s内10 m以下的导航精度,满足列车定位的基本要求.该算法提高了导航精度,降低了列车定位的误差.
列车定位、信息融合、无迹卡尔曼滤波、渐消因子、序贯辅助
19
U284(铁路通信、信号)
国家自然科学基金;辽宁省教育厅科学研究计划资助项目;辽宁省教育厅科学研究计划资助项目
2022-08-29(万方平台首次上网日期,不代表论文的发表时间)
共7页
1838-1844